值得一看的智能运维AIOps关键核心技术概览！
作者：Neeke Gao，云智慧企业效能高级总监 前言 传统运维管理的人工及被动响应方式，已经无法支撑数字化业务灵活、快速的发展，要靠智能运维（AIOps）能力来获得数据分析和决策支持。而从传统ITOM到智能运维的演进过程中，需要一系列关键技术的支撑。本文试图就智能运维落地过程所需关键技术点进行概要说明。 图片来源：Gartner 从智能运维的平台架构来看，可抽象为几个层面：数据采集层、数据汇聚层、数据存储层、建模应用层、分析学习层、应用反馈层。这是一个非常理想的层次划分，但在智能运维实践落地过程中，却存在着诸多坑壑，需要我们正视和解决。 数据采集与传输 运维数据的产生和采集来自于ITOM监控工具集，通常包括：基础服务可用性和性能监控、网络性能监测与诊断、中间件服务可用性和性能监控、应用性能管理、系统运行日志管理、IT资产管理、IT服务支持管理等。 这些基础监控工具采集的运行状态数据和运行性能数据，需要具备足够存量的数据和数据增量；以及足够的数据维度覆盖度（时间维度、空间维度、系统级维度、应用级维度等）才能进行建模利用。与此同时，运维数据的时效性强、多维数据源割裂采集的现状、以及如何在...
